![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习论文阅读笔记
lee_卡卡木瓜
这个作者很懒,什么都没留下…
展开
-
YOLO V1-V3 loss
YOLO V1-V3 目标检测:loss functions 总结 YOLO-V1 YOLO v1 框架输入为(448x448x3)rgb图片,输出为(7x7x30(voc数据集))的预测,loss函数由5部分组成,其中S上标2,表示格点的个数,7X7格点一共有49个,B表示每个格点中box的个数,如下图: 在计算loss之前我们需要将 voc的box标签 转换为 yolo的box标签 如下图: yolo的box标签,是对象中心相对于负责预测这个对象的格点的坐标的偏移量,如下图所示: yolo最终输原创 2020-06-20 16:32:40 · 253 阅读 · 0 评论 -
DetectoRS,论文阅读记录
DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution论文简介论文细节宏观层面设计 Recursive Feature Pyramid (RFP)微观层面设计 Switchable Atrous Convolution (SAC)论文总结 论文地址:https://arxiv.org/pdf/2006.02334v1.pdf 代码地址:https://github.com/jo原创 2020-06-08 19:09:13 · 584 阅读 · 0 评论